现状
距离上次介绍插件特性一个多月，插件数量以惊人的速度增长（超550+）。
每日都有大量新插件涌现，然而插件质量参差不齐，信息膨胀已经造成了一些困扰。
陆陆续续试用了近期的上百个插件，体验交叉，生成时间长，质量差，交互繁琐失败率高，因此最受欢迎的插件基本上仍然是那些。
并且同时开启多个插件容易导致一些思维混乱，反而得到非预期结果
就连OpenAI官方也表示
但是，事实也没有那么悲观，我们在已有的插件生态中还是能看到一些亮点的应用场景：
- 作为外部信息的提供者（比web browse更加稳定）
- 多方插件串联形成工作流（连接 输入- 处理 – 输出）
既然插件已经多到没必要一一介绍，那么接下来，我就按照上面提到的，可能比较有亮点的应用场景介绍下插件的使用。
一、外部信息的提供者 — 【AI工具选择与协作 】
Pluginpedia + Gate2AI + [AI agents]（毕竟有三个位置，何不预备一下以应对可能需要进行的任务拆解？）
插件简介
Pluginpedia: GPT插件"百晓生"
Gate2AI: 输入任务、问题或用例生成一份最适合您需求的AI工具列
AI agents: 类似Autogpt的任务拆解插件
使用案例
例如，如果我希望用AI工具来辅助我写绘本，而又不想在繁多的插件中一一寻找，那么就可以…
分别用到了Pluginpedia 来找插件
Gate2Ai来找AI工具
小结
这种情境是解决信息膨胀问题的一个典型例子。在上述例子中，我们并未涉及到任务拆解的情况。但是，当我们面临更复杂的场景时，可以利用AI agents来拆解任务。此外，当我们需要更精确、更合适的提示词时，Prompt Perfect插件就可以发挥其独特的协同效应。
在AI浪潮来临的时代，我们有大量的插件和工具可以帮助我们完成各种任务，但同时，我们也需要更好的方式来整合和利用这些资源。而Pluginpedia、Gate2AI、AI agents以及Prompt Perfect插件就是其中的佼佼者，它们可以帮助我们更好地管理和利用这些资源，进而提高我们的工作效率和创造力
二、插件工作流 — 【信息采集整合出书器】
AI agents + 采集插件（例如WebPilot）+ 输出插件（例如Noteable）
插件简介
AI agents：与Autogpt类似的任务拆解插件。
WebPilot：实时网页访问抓取工具。
Noteable：在线笔记工具。
思路
当我们发布一项内容输出任务时，可以利用AI Agent将任务进行拆解，由GPT完成逻辑部分，而需要通过网络采集信息的部分则由WebPilot完成。采集的信息经过整理后，输出到在线笔记Noteable，从而实现作品的完成。
使用案例
以一个具体的例子来解释这个过程：
假设我们想要做一个关于克里斯托弗·诺兰（Christopher Nolan）的高分电影合集，那么我们可以这样输入任务指令："Master AI Agent objective: 创建一个关于诺兰高分电影的合集，包含电影信息、评分、短评等。"
这样，AI Agent就会自动把任务分解为多个子任务，比如通过网络采集诺兰的电影列表，获取电影的评分和短评等。WebPilot会执行采集任务，而GPT则负责处理逻辑部分，最后将所有的信息整理在一起，通过Noteable输出。
从上图可以看出，AI Agents插件直接帮我们把任务拆解成了5个步骤
- 查询诺兰的电影列表
- 过滤出高分电影(这里agents自己拍了一个阈值80%)
- 把高分电影信息收集到一起
- 写入noteable
- 通知用户笔记的地址
由于工作量太大，GPT还请求中断和休息了一会，我们可以要求它继续工作。
当然，AI并没有真正的疲劳感或需要休息。它的“休息”和“中断”主要是为了保证任务执行的效率和质量。例如，在处理大量数据或复杂任务时，GPT可能会需要“休息”一下，以便进行数据整理或内存清理。
经过它的努力工作，我们从GPT通知的笔记地址点进去访问看看，发现已经帮我们整理好了
看起来有点简单，那我们就要求再完善一下吧
这里我们要求它补上简介、图片、演员等信息，再来看下最终效果
小结
回顾上述的例子，我们可以看到，这种模式有着广泛的应用场景：
- 使用Web搜集插件，我们可以整理热门的文章，形成结构化的笔记；
- 基于ScholarAI，我们可以整理学术论文，形成详尽的学术资料；
- 基于社交插件，我们可以整理社交动态，生成个性化的动态汇总；
- 当然，我们也可以根据需要更换Noteable，选择其他形式的作品输出。
总体来看，利用AI插件确实拥有无限的创新空间，其中蕴含的问题与潜力并行不悖，我们将持续紧密关注新的插件发展及官方最新动态。
原文链接：https://zhuanlan.zhihu.com/p/639978488
